• Rete算法


    RETE算法介绍
    一、 rete概述
    Rete算法是一种前向规则快速匹配算法,其匹配速度与规则数目无关。Rete是拉丁文,对应英文是net,
    也就是网络。Rete算法通过形成一个rete网络进行模式匹配,利用基于规则的系统的两个特征,即时间冗余性(Temporal redundancy)和结构相似性(structural similarity),提高系统模式匹配效率。
    二、 相关概念
    2.1  事实(fact):
    事实:对象之间及对象属性之间的多元关系。为简单起见,事实用一个三元组来表示:(identifier 
    ^attribute  value),例如如下事实:
    w1:(B1  ^ on B2)     w6:(B2  ^color blue)
    w2:(B1  ^ on B3)     w7:(B3  ^left-of B4)
    w3:(B1  ^ color red)   w8:(B3  ^on table)
    w4:(B2  ^on table)    w9:(B3  ^color red)
    w5:(B2  ^left-of B3)
    2.2  规则(rule):
    由条件和结论构成的推理语句,当存在事实满足条件时,相应结论被激活。一条规则的一般形式如下:
    (name-of-this-production
    LHS /*one or more conditions*/
    -->
    RHS /*one or more actions*/
    )
    其中LHS为条件部分,RHS为结论部分。
    下面为一条规则的例子:
    (find-stack-of-two-blocks-to-the-left-of-a-red-block
    (^on)
    (^left-of)
    (^color red)
    -->
    ...RHS...
    )
    2.3  模式(patten):
    模式:规则的IF部分,已知事实的泛化形式,未实例化的多元关系。
    (^on)
    (^left-of)
    (^color red)
    三、 模式匹配的一般算法
    规则主要由两部分组成:条件和结论,条件部分也称为左端(记为LHS, left-hand side),结论部分也
    称为右端(记为RHS, right-hand side)。为分析方便,假设系统中有N条规则,每个规则的条件部分平均有P个模式,工作内存中有M个事实,事实可以理解为需要处理的数据对象。
    规则匹配,就是对每一个规则r, 判断当前的事实o是否使LHS(r)=True,如果是,就把规则r的实例r(o)加
    到冲突集当中。所谓规则r的实例就是用数据对象o的值代替规则r的相应参数,即绑定了数据对象o的规则r。
    规则匹配的一般算法:
    1) 从N条规则中取出一条r;
    2) 从M个事实中取出P个事实的一个组合c;
    3) 用c测试LHS(r),如果LHS(r(c))=True,将RHS(r(c))加入冲突集中;
    4) 取出下一个组合c,goto 3;
    5) 取出下一条规则r,goto 2;
    四、 RETE算法
    Rete算法的编译结果是规则集对应的Rete网络,如下图。Rete网络是一个事实可以在其中流动的图。Rete
    网络的节点可以分为四类:根节点(root)、类型节点(typenode)、alpha节点、beta节点。其中,根结点是一个虚拟节点,是构建rete网络的入口。类型节点中存储事实的各种类型,各个事实从对应的类型节点进入rete网络。

    4.1  建立rete网络
    Rete网络的编译算法如下:
    1) 创建根;
    2) 加入规则1(Alpha节点从1开始,Beta节点从2开始);
    a. 取出模式1,检查模式中的参数类型,如果是新类型,则加入一个类型节点;
    b. 检查模式1对应的Alpha节点是否已存在,如果存在则记录下节点位置,如果没有则将模式1作为一个
    Alpha节点加入到网络中,同时根据Alpha节点的模式建立Alpha内存表;
    c. 重复b直到所有的模式处理完毕;
    d. 组合Beta节点,按照如下方式:
       Beta(2)左输入节点为Alpha(1),右输入节点为Alpha(2)
       Beta(i)左输入节点为Beta(i-1),右输入节点为Alpha(i)  i>2
      并将两个父节点的内存表内联成为自己的内存表;
    e. 重复d直到所有的Beta节点处理完毕;
    f. 将动作(Then部分)封装成叶节点(Action节点)作为Beta(n)的输出节点;
    3) 重复2)直到所有规则处理完毕;
    可以把rete算法类比到关系型数据库操作。
    把事实集合看作一个关系,每条规则看作一个查询,将每个事实绑定到每个模式上的操作看作一个Select
    操作,记一条规则为P,规则中的模式为c1,c2,…,ci, Select操作的结果记为r(ci),则规则P的匹配即为r(c1)◇r(c2)◇…◇(rci)。其中◇表示关系的连接(Join)操作。

    规则引擎研究(一)——Rete算法(1)

    4.2  使用rete网络进行匹配
    使用一个rete的过程:
    1) 对于每个事实,通过select 操作进行过滤,使事实沿着rete网达到合适的alpha节点。
    2) 对于收到的每一个事实的alpha节点,用Project(投影操作)将那些适当的变量绑定分离出来。使各个新的变量绑定集沿rete网到达适当的bete节点。
    3) 对于收到新的变量绑定的beta节点,使用Project操作产生新的绑定集,使这些新的变量绑定沿rete网络至下一个beta节点以至最后的Project。
    4) 对于每条规则,用project操作将结论实例化所需的绑定分离出来。

    下面为的图示显示了连接(Join)操作和投影(Project)的执行过程。

    规则引擎研究(一)——Rete算法(1)

    4.3  Rete算法的特点
    Rete算法有两个特点使其优于传统的模式匹配算法。
    1、状态保存
    事实集合中的每次变化,其匹配后的状态都被保存再alpha和beta节点中。在下一次事实集合发生变化时
    ,绝大多数的结果都不需要变化,rete算法通过保存操作过程中的状态,避免了大量的重复计算。Rete算法主要是为那些事实集合变化不大的系统设计的,当每次事实集合的变化非常剧烈时,rete的状态保存算法效果并不理想。
    2、节点共享
    另一个特点就是不同规则之间含有相同的模式,从而可以共享同一个节点。Rete网络的各个部分包含各种
    不同的节点共享。


     

  • 相关阅读:
    第24天:Python 标准库概览2
    第23天:Python 标准库概览1
    第22天:Python NameSpace&Scope
    第21天: Web 开发 Jinja2 模板引擎
    第20天:Python 之装饰器
    第19天:Python 之迭代器
    第18天:Python 高阶函数
    第17天:Python 函数之参数
    第16天:Python 错误和异常
    第15天:Python set
  • 原文地址:https://www.cnblogs.com/haore147/p/7202480.html
Copyright © 2020-2023  润新知